基于弱关联频繁模式的超限行为挖掘优化
万芳1
胡东辉2
1.安徽交通职业技术学院,合肥,2300512.合肥工业大学计算机与信息学院,合肥,230009
摘要：目前采用博弈分析和流量预测等模型,对未来时间段道路网货运车辆超限行为进行提前识别,取得一定的检测效果,但对具有时空动态性和迁移性的超限车辆分布挖掘仍具有局限性.根据道路网超限车辆数据特点,提出一种基于弱关联频繁模式的超限行为的挖掘优化算法,该算法采用空间弱关联频繁模式构建的超限频繁模式树,建立时间弱关联的状态转移模型,得到频繁模式的预测值.在FP-growth频繁模式挖掘算法的基础上,首次建立了超限模式挖掘与货运车辆行为数据的时空弱关联,使超限行为预测算法误差率降至6％以下,有效提高了超限行为的检测效率.
关键词：频繁模式行为挖掘超限交通安全
分类号：TP39(计算技术、计算机技术)
论文发表日期：2018-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：7( 31-37 )
英文信息